day22 学习笔记

---

前言

通过今天的学习，我掌握了对Pandas的数据类型进行基本操作，包括遍历，去重，排序，分组

---

一、遍历

1.行遍历

• intertuples方法用于遍历Dataframe的行，返回包含行数据及命名的元组

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 使用 itertuples() 遍历行
for row in df.itertuples(index=False): #如果index为False，则结果过滤行索引信息
    print(row)
    for i in row:
        print(i)

tips：可以指定index参数，用于控制是否返回行索引信息

2.列遍历

• items方法用于遍历Dataframe的列，返回包括列名和列数据的迭代器

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 使用 items() 遍历列
for column_name, column_data in df.items():
    print(f"Column Name: {column_name}, Column Data: {column_data}")

3.直接遍历

• 使用index，columns属性进行遍历

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

for idx in df.index:
    for col in df.columns:
        print(df.loc[idx,col])

二、排序

• sort_values方法用于对Dataframe进行排序
• DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)
• by：列的标签或列的标签列表。指定要排序的列
• ascending：布尔值或布尔值列表，指定是升序排序（True）还是降序排序（False）。可以为每个列指定不同的排序方向。

data = {
    'A': [3, 2, 1],
    'B': [6, 5, 4],
    'C': [9, 8, 7]
}
df = pd.DataFrame(data, index=['b', 'c', 'a'])

df_sorted = df.sort_values(by='A',ascending=False)
print(df_sorted)


df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [25, 30, 25, 35, 30],
    'Score': [85, 90, 80, 95, 88]
})
# 如果列中存在相同的值，可以指定两个列进行排序
df_sorted = df.sort_values(by=['Age', 'Score'], ascending=[False, True])
print(df_sorted)

三、去重

• drop_duplicates方法用于删除重复行或元素
• drop_duplicates(by=None, subset=None, keep=‘first’, inplace=False)
• keep：指定如何处理重复项
• by：用于标识重复项的列名或列名列表

data = {
    'A': [1, 2, 2, 3],
    'B': [4, 5, 5, 6],
    'C': [7, 8, 8, 9]
}
df = pd.DataFrame(data)

# 删除所有列的重复行，默认保留第一个出现的重复项
df_unique = df.drop_duplicates()
print(df_unique)

# 删除重复行，保留最后一个出现的重复项
df_unique = df.drop_duplicates(keep='last')
print(df_unique)

# 删除所有重复项
df_unique = df.drop_duplicates(keep=False)
print(df_unique)

四、分组

• groupby方法用于对数据进行分组
• DataFrame.groupby(by, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)
• by：指定分组的列名

data = {
        'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [10, 20, 30, 40, 50, 60, 70, 80]
    }
df = pd.DataFrame(data)

# 按列'A'分组，返回一个对象
grouped = df.groupby('A')

# 查看分组结果
for name, group in grouped:
        print(f"Group: {name}")
        print(group)
        print()

mean = df.select_dtypes(include='number').groupby(df['A']).mean()
print(mean)
mean = df.groupby("A")["D"].mean() #如果不指定列，会计算所有列的均值
print(mean)

# transform用于在分组操作中对每个组内的数据进行转换，并将结果合并回原始 DataFrame
mean = df.groupby("A")["D"].transform(lambda x: x.mean())
# print(mean)
df['C_mean'] = mean
print(df)

---

THE END